본 논문은 흐름(flow) 및 확산(diffusion) 모델의 성능과 훈련 안정성을 향상시키기 위해 다차원 적응 계수(MAC) 모듈을 제안합니다. 기존의 1차원 계수를 다차원으로 확장하고 추론 경로에 따른 적응을 가능하게 함으로써, 시뮬레이션 기반 방법의 장점인 차원의 자유로움과 다양한 추론 경로에 대한 적응성을 확보하고자 합니다. MAC은 적대적 개선을 통한 시뮬레이션 기반 피드백으로 훈련되며, 다양한 프레임워크와 데이터셋에 대한 실험 결과를 통해 생성 품질 향상과 높은 훈련 효율성을 보여줍니다. 결과적으로, 본 연구는 추론 경로 최적화에 대한 새로운 관점을 제시하며, 벡터 필드 설계를 넘어 훈련 효율적인 시뮬레이션 기반 최적화를 활용하는 미래 연구를 촉구합니다.
